Aufgaben aus den Übungsgruppen 8(Lösungsvorschläge)
|
|
- Gerburg Lange
- vor 5 Jahren
- Abrufe
Transkript
1 Universität des Saarlandes Theoretische Informatik (WS 2015) Fakultät 6.2 Informatik Team der Tutoren Aufgaben aus den Übungsgruppen 8(Lösungsvorschläge) 1 Berechenbarkeitstheorie Aufgabe 8.1 (Wahr oder Falsch?) Sind die folgenden Aussagen wahr oder falsch? Begründen Sie! 1. Die berechenbaren Sprachen sind Teilmenge der semi-berechenbaren Sprachen. wahr falsch 2. Wenn A berechenbar ist, dann ist auch Ā berechenbar. wahr falsch 3. Wenn A semi-berechenbar ist, dann ist auch Ā semi-berechenbar. wahr falsch 4. Wenn A und Ā semi-berechenbar sind, dann ist A berechenbar. wahr falsch 5. Wenn A und Ā semi-berechenbar sind, dann ist Ā berechenbar. wahr falsch 6. A B bedeutet, dass B auf A reduzierbar ist. wahr falsch 7. A B bedeutet, dass A auf B reduzierbar ist. wahr falsch 8. Sei A semi-entscheidbar und sei A B. Dann ist auch B semi-entscheidbar. wahr falsch 9. Sei A B und B A, dann ist A = B. wahr falsch 10. Sei f eine Reduktion von A auf B. Dann ist f 1 eine gültige Reduktion von B auf A. wahr falsch 11. Sei A semi-entscheidbar und sei A B. Dann ist B entscheidbar. wahr falsch 12. Sei A B. Dann gilt auch B Ā. wahr falsch 13. Sei A nicht entscheidbar und sei A B. Dann ist auch B nicht entscheidbar. wahr falsch 14. Sei B nicht semi-entscheidbar und sei A B. Dann ist A nicht semi-entscheidbar. wahr falsch 15. Sei A B. Dann gilt auch Ā B. wahr falsch 16. Sei B semi-entscheidbar und sei A B. Dann ist auch A semi-entscheidbar. wahr falsch 17. Sei A B und B entscheidbar ist, dann ist auch A entscheidbar. wahr falsch 18. Sei A B und A unentscheidbar, dann ist auch B unentscheidbar. wahr falsch Aufgabe 8.2 (Abgeschlossenheit unter Komplement) Seien A und B entscheidbar und seien C und D rekursiv aufzählbar. Zeigen oder widerlegen Sie: 1. A \ B ist entscheidbar. 2. C \ D ist rekursiv aufzählbar. Lösungsvorschlag Wahr. Wir wissen, dass A und B entscheidbar sind. Somit existieren Turingmaschinen M 1 und M 2 die χ A und χ B berechnen. Mit Hilfe dieser Turingmaschinen, konstruieren wir eine Turingmaschine M 3, die A \ B entscheidet. Auf Input x simuliert M 3 zunächst M 1 auf x. Da M 1 χ A berechnet, hält diese Simulation auf jeden Fall und M 1 gibt entweder 0 oder 1 zurück. Falls M 1 0 zurück gibt, gibt auch M 3 0 zurück. Andernfalls simuliert M 3 M 2 auf x. Auch diese Simulation hält auf jeden Fall. Gibt M 2 0 zurück, so gibt M 3 1 zurück. Andernfalls gibt M 3 0 zurück. Offensichtlich berechnet M 3 χ A\B. 2. Falsch. Gegenbeispiel: C = {0, 1} und D = H 0. Aus der Vorlesung wissen wir, dass sowohl C als auch D rekursiv aufzählbar sind. Allerdings gilt {0, 1} \ H 0 = H 0 und wir wissen auch, dass H 0 nicht rekursiv aufzählbar ist. Aufgabe 8.3 (Vereinigungen und Schnitte) Seinen A 0, A 1, A 2,... entscheidbar und B 0, B 1, B 2,... semi-entscheidbar. Zeigen oder widerlegen Sie: 1. t N : t i=0 A i ist berechenbar. 2. t N : t i=0 B i ist semi-berechenbar. 3. t N : t i=0 A i ist berechenbar. 4. t N : t i=0 B i ist semi-berechenbar. 5. i N A i ist berechenbar. 6. i N B i ist semi-berechenbar. 1 / 6
2 7. i N A i ist berechenbar. 8. i N B i ist semi-berechenbar. Lösungsvorschlag Wahr. Da die charakteristischen Funktionen aller A i berechenbar sind, da alle A i berechenbar sind, können wir die charakteristische Funktion des Schnittes berechnen: Wir berechnen für gegebenes x also alle ξ Ai nacheinander und geben genau dann 1 zurück, wenn alle charakteristischen Funktionen 1 zurückgegeben haben. 2. Wahr. Wir berechnen jede positive charakteristische Funktion ξb + i und geben genau dann 1 zurück, wenn die Berechnung von allen ξb + i terminiert. Falls eines der ξb + i divergiert, dann divergiert auch die Berechnung der positiven charakteristischen Funktion des Schnitts. 3. Wahr. Da die charakteristischen Funktionen aller A i berechenbar sind, da alle A i berechenbar sind, können wir die charakteristische Funktion der Vereinigung berechnen: Wir berechnen für gegebenes x also alle ξ Ai nacheinander und geben genau dann 1 zurück, wenn irgendeine charakteristischen Funktionen 1 zurückgegeben hat. 4. Wahr. Wir berechnen parallel alle ξb + i falls irgendwann für ein i 1 ausgegeben wird, terminieren wir und geben ebenfalls 1 aus. Andernfalls divergieren wir. Damit haben wir eine Berechnungsvorschrift für eine positive charakteristische Funktion auf der Vereinigung. 5. Falsch. Wir bauen uns entscheidbare A i, die geschnitten mit dem Komplement des speziellen Halteproblems H 0 ergeben: { N falls i A i = H 0 N \ {i} falls i H 0 Die A i selbst sind entscheidbar: Die charakteristischen Funktionen sind entweder konstant 1 oder auf genau einem festen Wert 0 und sonst überall 1. (Man kann zwar nicht entscheiden, auf welchen i welcher Fall auftritt, aber beide Fälle, die auftreten können, sind entscheibar.) Eine Zahl ist nun genau dann in i N A i enthalten, wenn sie nirgends in einem A i rausgeschnitten wurde, also genau dann, wenn sie in H 0 liegt. Da aber H 0 nicht berechenbar ist, ist dies ein Gegenbeispiel zur Behauptung. 6. Falsch. Das Beispiel aus der vorherigen Teilaufgabe ist auch hier ein Gegenbeispiel, da wenn A i berechenbar ist, A i auch semi-berechenbar sein muss und H 0 auch nicht semi-berechenbar ist. 7. Falsch. Wir bauen uns entscheidbare A i, die geschnitten H 0 ergeben: { {i} falls i A i = H 0 falls i H 0 Die A i selbst sind entscheidbar: Die charakteristischen Funktionen sind entweder konstant 1 oder auf genau einem festen Wert 0 und sonst überall 1. (Man kann zwar nicht entscheiden, auf welchen i welcher Fall auftritt, aber beide Fälle, die auftreten können, sind entscheibar.) Eine Zahl ist nun genau dann in i N A i enthalten, wenn sie in irgendeinem A i vorkommt, also genau dann, wenn sie in H 0 ist. Da aber H 0 nicht entscheidbar ist, ist dies ein Gegenbeispeil zur Behauptung. 8. Falsch. Das Gegenbeispiel aus der vorherigen Teilaufgabe gilt auch hier. Aufgabe 8.4 (Reduktionen) Sei ϕ M : {0, 1} {0, 1} eine Funktion, die für ein x {0, 1} den Output der Turingmaschine M auf Input x berechnet. Hält M auf x nicht, so ist ϕ M (x) undefiniert. Seien die folgenden Probleme gegeben: A = {w M w hält auf w} B = {w M w gibt für alle Inputs 0 aus} C = { (w, w ) im(ϕmw ) = im(ϕ Mw ) } D = {w im(ϕ Mw ) > 1} E = {w M w hält auf w nicht oder M w gibt auf w 0 aus} F = { w x {0, 1}, sodass M w auf Input x x ausgibt } Bearbeiten Sie nun die folgenden Aufgaben: 2 / 6
3 1. Zeigen Sie: A B 2. Zeigen Sie: Ā B 3. Zeigen Sie: B C 4. Zeigen Sie: A D 5. Zeigen Sie: E Ā 6. Zeigen Sie: A F 7. Bonus: Zeigen Sie: F A Lösungsvorschlag Kommentar: A ist H 0, B ist V 0. Wir konstruieren eine TM M w wie folgt: M w ignoriert ihren Input, simuliert M w auf w und gibt 0 aus. Wir definieren f(w) = w. Offensichtlich ist f berechenbar. Es bleibt zu zeigen, dass f tatsächlich die gewünschte Reduktionsfunktion darstellt. Sei w A. Dann hält M w auf Input w. Somit hält die Simulation in M w immer und M w gibt immer 0 aus. Also gilt f(w) = w B. Sei w / A. Dann hält M w auf Input w nicht. Somit hält die Simulation in M w nicht und daher hält auch M w nicht. Insbesondere gibt M w also auch nicht für alle Inputs 0 aus. Somit gilt f(w) = w / B. 2. Kommentar: A ist H 0, B ist V 0. Wir konstruieren eine TM M w wie folgt: Auf Input x simuliert M w M w auf w für x Schritte. Falls M w in x Schritten nicht hält, gibt M w 0 aus. Sonst gibt M w 1 aus. Wir definieren f(w) = w. Offensichtlich ist f berechenbar. Es bleibt zu zeigen, dass f tatsächlich die gewünschte Reduktionsfunktion darstellt. Sei w Ā. Dann hält M w auf Input w niemals. Daher hält die Simulation von M w auf w in M w für alle Inputs von M w nicht. Somit gibt M w für alle Inputs 0 aus. Also gilt f(w) = w B. Sei w / Ā. Dann hält M w auf Input w. Somit existiert ein t N, sodass M w innerhalb von t Schritten auf w hält. Somit gibt M w für alle Inputs t 1 aus. Daher gilt f(w) = w / B. 3. Kommentar: B ist V 0, C ist V. Sei M e die TM, die die konstante 0-Funktion berechnet. Wir definieren f(w) = (w, e). Offensichtlich ist f berechenbar. Es bleibt zu zeigen, dass f tatsächlich die gewünschte Reduktionsfunktion darstellt. Sei w B. Dann gibt M w für alle Inputs 0 aus. Also gilt im(ϕ Mw ) = {0} = im(ϕ Me ). Somit gilt f(w) = (w, e) C. Sei w / B. Dann gibt es einen Input, sodass M w nicht 0 ausgibt. Also gilt im(ϕ Mw ) {0} = im(ϕ Me ) und somit f(w) = (w, e) / C. 4. Wir konstruieren eine TM M w wie folgt: Auf Input x überprüft M w, ob w = x gilt. Falls ja, simuliert M w M w auf a und gibt anschließend 0 zurück. Andernfalls gibt M w direkt 1 aus. Wir definieren f(w) = w. Offensichtlich ist f berechenbar. Es bleibt zu zeigen, dass f tatsächlich die gewünschte Reduktionsfunktion darstellt. Sei w A. Dann hält die Simulation von M w auf w. Somit gibt M w auf Input w 0 und für alle anderen Inputs 1 aus. Also im(ϕ Mw ) = {0, 1} und somit im(ϕ Mw ) = 2 > 1. Daher f(w) = w D. Sei w / A. Dann hält die Simulation von M w auf w nicht. Somit divergiert M w auf Input w und gibt für alle anderen Inputs 1 aus. Also im(ϕ Mw ) = {1} und somit im(ϕ Mw ) = 1 1. Daher f(w) = w / D. 5. A F : Wir konstruieren eine TM M w wie folgt: M w ignoriert ihren Input, simuliert M w auf w und speichert den Output von M w in v. Falls v = 0, geht M w in eine Endlosschleife. Andernfalls gibt M w 1 aus. Wir definieren f(w) = w. Offensichtlich ist f berechenbar. Es bleibt zu zeigen, dass f tatsächlich die gewünschte Reduktionsfunktion darstellt. Sei w E. Dann gerät M w in eine Endlosschleife (entweder weil die Simulation nicht hält oder weil M w auf w 0 ausgegeben hat und M w in eine Endlosschleife geht). Somit hält M w insbesondere für Input w nicht. Also f(w) = w Ā. Sei w / E. Dann hält M w auf w und gibt etwas anderes als 0 aus. Somit gilt niemals v = 0 und daher gibt M w immer 1 aus. Insbesondere hält M w also immer und somit auch auf Input w. Daher gilt f(w) = w / Ā. 6. Wir konstruieren eine TM M w wie folgt: Auf Input x simuliert M w M w auf w und gibt x aus. Wir definieren f(w) = w. Offensichtlich ist f berechenbar. Es bleibt zu zeigen, dass f tatsächlich die gewünschte Reduktionsfunktion darstellt. Sei w A. Dann hält M w auf w und somit gibt M w immer ihren Input wieder aus. Daher gilt f(w) = w F. Sei w / A. Dann hält M w auf w und daher divergiert M w für alle Inputs. Insbesondere gibt M w also auch nicht ihren Input aus. Somit gilt f(w) = w / F. 7. Wir konstruieren eine TM M w wie folgt: Auf Input x zählt M w diagonal Paare (t, y) auf. Für jedes dieser Paare simuliert M w M w auf y für t Schritte und speichert den Output in v. Falls v = y gilt, dann 3 / 6
4 verlässt M w die Aufzähl-Schleife. Wir definieren f(w) = w. Offensichtlich ist f berechenbar. Es bleibt zu zeigen, dass f tatsächlich die gewünschte Reduktionsfunktion darstellt. Sei w F. Dann existiert ein x, sodass M w auf Input x x ausgibt. Dann gibt es ein t N, sodass M w auf Input x in t Schritten hält und x ausgibt. Somit wird die Aufzähl-Schleife beim Paar (x, t) verlassen. Also hält M w für alle Inputs und insbesondere auch für Input w. Somit gilt f(w) = w A. Sei w / F. Dann gilt für alle möglichen Inputs x, dass M w nicht x ausgibt. Somit wird die Aufzähl- Schleife niemals verlassen. Also hält M w niemals und insbesondere auch nicht für Input w. Somit gilt f(w) = w / A. 2 Komplexitätstheorie Aufgabe 8.5 (Determinismus vs. Nichtdeterminismus) Zeigen oder widerlegen Sie die folgende Aussagen: 1. DSpace(2 O(n) ) = NSpace(2 O(n) ) 2. DTime(log n) = DSpace(log n) 3. DTime(2 O(log n) ) = P 4. NTime(O(log n)) = DTime(O(n 2 )) Lösungsvorschlag Wahr. Denn es gilt DSpace(2 O(n) ) NSpace(2 O(n) ) nach Satz C (VL 19, Folie 14). Ebenfalls aus Satz C folgt, dass NSpace(2 O(n) ) DSpace(2 O(n)2 ). Es gilt: DSpace(2 O(n)2 ) = DSpace(2 2 O(n) ) = DSpace(2 O(n) ). Daher gilt DSpace(2 O(n) ) NSpace(2 O(n) ) und NSpace(2 O(n) ) DSpace(2 O(n) ) und somit DSpace(2 O(n) ) = NSpace(2 O(n) ). 2. Falsch. Zwar gilt DTime(log n) DSpace(log n) trivialerweise, aber DSpace(log n) DTime(log n) (Gegenbeispiel: Binärcounter. Geht in DSpace(log n), aber nicht in DTime(log n)) 3. Wahr. Denn (c ist eine Konstante) DTime(2 O(log n) ) ˆ=DTime(2 c log n ) = DTime(2 (log n)c ) = DTime(n c ) = c N DTime(n c ) = P 4. Falsch. Denn L := {w1 w {0, 1} } DTime(O(n 2 )). Jedoch gilt L NTime(O(log n)), denn eine O(log n)-zeitbeschränkte TM kann die Eingabe nicht vollständig lesen. Aufgabe 8.6 (Inklusionshierarchie) Sortieren Sie die folgenden Mengen bezüglich Inklusion: NSpace(O(3 n )), P, DSpace(O(7 n )), RE, NP, DTime(O(n 5 )), DSpace(O(logn)), NSpace(O(log n)), REC. Welche der Inklusionen sind echt? Lösungsvorschlag 8.6 DTime(O(n 5 )) DSpace(O(log n)) NSpace(O(log n)) P NP DSpace(O(7 n )) NSpace(O(3 n )) REC RE Aufgabe 8.7 (Wahr oder Falsch?) Sind die folgenden Aussagen wahr oder falsch? Begründen Sie! 1. Ist P = NP, dann ist jedes Problem in NP auch NP-schwer. wahr falsch 2. Jede Sprache in NP ist entscheidbar. wahr falsch 3. Ist A P B und B NP, dann ist auch A NP. wahr falsch 4. Ist A NP-vollständig und A P B, dann ist auch B NP-vollständig. wahr falsch 5. Ist A NP-vollständig und A P B, dann ist auch B NP-schwer. wahr falsch 6. Es gibt eine Sprache L, sodass L P L / P. wahr falsch 7. Es gibt eine Funktion f, sodass DSpace(f) = REG (Menge aller reg. Sprachen) wahr falsch 4 / 6
5 8. Es gibt eine Funktion f, sodass: DSpace(f) = REC (Menge aller entsch. Sprachen) wahr falsch 9. Jede Sprache in DSpace(O(1)) ist regulär. wahr falsch 10. Für alle Sprachen L, L gilt: Wenn L L und L NP, dann ist auch L NP. wahr falsch 11. Für alle Sprachen L, L gilt: Wenn L L und L P, dann ist auch L P. wahr falsch 12. Wenn L NP, dann ist L auch entscheidbar. wahr falsch Aufgabe 8.8 (Polynomialzeit-Reduktionen) Sei DN F die Menge aller aussagenlogischer Formeln in disjunktiver Normalform. Betrachten Sie das folgende Problem: L = {F DNF F is keine Tautologie} Zeigen Sie, dass L NP-schwer ist. Lösungsvorschlag 8.8 Wir zeigen SAT P L. Die Grundidee ist es, die Regel von De Morgan auszunutzen, denn negiert man eine Formel in CNF, so erhält man eine Formel in DNF. Offensichtlich gilt außerdem: F ist unerfüllbar F ist eine Tautologie. Sei F in CNF. Konstruiere eine Formel F wie folgt: Ersetze alle Variablen durch ihre Negation, ersetze alle durch und alle durch (letztendlich gilt also F = F, wobei die Regel von De Morgan erschöpfend angewendet wurde). Wir definieren f(f ) = F. Offensichtlich ist f in polynomieller Zeit berechenbar. Es bleibt zu zeigen, dass f die gewünschte Reduktionsfunktion ist: Sei F SAT. Dann enthält jede Klausel mindestens ein wahres Literal. Somit hat jeder Konjunktionsterm von F mindestens ein falsches Literal. Offensichtlich ist F in DNF. Also gilt F L. Sei F / SAT. Dann gibt es mindestens eine Klausel, die kein wahres Literal enthält. Somit gibt es in F mindestens einen Konjunktionsterm, der nur wahre Literale enthält. Da alle Konjunktionsterme durch Disjunktionen verbunden werden, ist F eine Tautologie. Somit gilt F / L. Aufgabe 8.9 (P vs. NP) Sie und ihr Freund haben sich im Rahmen Ihrer Klausurvorbereitung mit einer recht komplizierten Sprache L beschäftigt. Ihnen selbst ist es gelungen zu zeigen, dass L NP gilt. In der Zeit ist es Ihrem Freund gelungen folgende Sprache L = {w M w berechnet eine lineare Funktion} auf die Sprache L zu reduzieren. Als ihr Tutor ihre beiden Ergebnisse sieht, ist er begeistert. Damit könnte sich das P vs. NP Problem lösen lassen., ruft er. Lösen Sie mit Hilfe von L das P vs. NP Problem, das heißt, zeigen Sie P = NP oder P NP Lösungsvorschlag 8.9 Nach dem Satz von Rice ist L unentscheidbar. Aufgrund der Reduktion gilt dies auch für L. Da L in NP ist, ist L aber auch entscheidbar, ein Widerspruch. Aus diesem Widerspruch lässt sich nun sowohl P = NP, als auch P NP folgern. Aufgabe 8.10 (Was wäre wenn?) Nehmen wir an, wir hätten SAT P gezeigt. Zeigen Sie, dass man dann auch zu einer gegebenen Formel in CNF eine erfüllende Belegung deterministisch in Polynomialzeit finden kann, sofern eine solche Belegung existiert. Lösungsvorschlag 8.10 Sei F in CNF und besitze die Variablen x 1,..., x n. Man prüfe zunächst, ob F erfüllbar ist. Falls nein, kann keine erfüllende Belegung gefunden werden, weshalb nichts weiter zu tun ist. Andernfalls setze man x 1 = x 2 und überprüfe, ob F immer noch erfüllbar ist. Falls nein, muss x 2 = x 1 gelten. Dann fahre man suzessive damit fort, die restlichen Variablen durch x 1 oder x 1 darzustellen, wobei nach jeder Änderung erneut überprüft werden muss, ob F erfüllbar ist. Gibt es eine Variable x i, sodass sowohl für x i = x 1 als auch für x i = x 1 F nicht erfüllbar ist, muss bei den vergangenen Variablen mindestens eine falsch gesetzt worden sein. Man ändere diese und fahre fort. Hat man alle Variablen x 2,..., x n in Abhängigkeit von x 1 dargestellt, so wähle man x 1 = 1 und überprüfe, ob dies eine erfüllbare Belegung ist (in Polynomialzeit möglich). Falls ja, ist dies die gesuchte erfüllende Belegung. 5 / 6
6 Andernfalls, muss x 1 = 0 gelten. Da SAT P nach Annahme gilt, ist dies insgesamt in polynomieller Zeit möglich. 6 / 6
Einführung in die Theoretische Informatik
Technische Universität München Fakultät für Informatik Prof. Tobias Nipkow, Ph.D. Sascha Böhme, Lars Noschinski Sommersemester 2011 Lösungsblatt 9 25. Juli 2011 Einführung in die Theoretische Informatik
Mehr1 Einführung. 2 Typ-0- und Typ-1-Sprachen. 3 Berechnungsmodelle. 4 Unentscheidbarkeit. 5 Unentscheidbare Probleme. 6 Komplexitätstheorie
1 Einführung 2 Typ-0- und Typ-1-Sprachen 3 Berechnungsmodelle 4 Unentscheidbarkeit 5 Unentscheidbare Probleme 6 Komplexitätstheorie 139 Unentscheidbarkeit Überblick Zunächst einmal definieren wir formal
MehrInformatik III. Christian Schindelhauer Wintersemester 2006/ Vorlesung
Informatik III Christian Schindelhauer Wintersemester 2006/07 20. Vorlesung 12.01.2007 1 Komplexitätstheorie - Zeitklassen Die Komplexitätsklassen TIME DTIME, NTIME P NP Das Cook-Levin-Theorem Polynomial-Zeit-Reduktion
MehrKlausur: Berechenbarkeit und Komplexität (Niedermeier/Chen/Froese/Sorge, Sommersemester 2016)
Technische Universität Berlin, Berlin, 28.07.2016 Name:... Matr.-Nr.:... Klausur: Berechenbarkeit und Komplexität (Niedermeier/Chen/Froese/Sorge, Sommersemester 2016) Einlesezeit: Bearbeitungszeit: Max.
MehrGrundlagen der Theoretischen Informatik
Grundlagen der Theoretischen Informatik Komplexitätstheorie (VI) 20.07.2016 Viorica Sofronie-Stokkermans e-mail: sofronie@uni-koblenz.de 1 DTIME und NTIME / DSPACE und NSPACE DTIME(T(n)) ist die Klasse
Mehr1 Einführung. 2 Typ-0- und Typ-1-Sprachen. 3 Berechnungsmodelle. 4 Unentscheidbarkeit. 5 Unentscheidbare Probleme. 6 Komplexitätstheorie
1 Einführung 2 Typ-0- und Typ-1-Sprachen 3 Berechnungsmodelle 4 Unentscheidbarkeit 5 Unentscheidbare Probleme 6 Komplexitätstheorie WS 11/12 155 Überblick Zunächst einmal definieren wir formal den Begriff
MehrEinführung in die Theoretische Informatik
Technische Universität München Fakultät für Informatik Prof. Tobias Nipkow, Ph.D. Dr. Werner Meixner, Dr. Alexander Krauss Sommersemester 2010 Lösungsblatt 11 15. Juli 2010 Einführung in die Theoretische
MehrLösungen zur Vorlesung Berechenbarkeit und Komplexität
Lehrstuhl für Informatik 1 WS 009/10 Prof. Dr. Berthold Vöcking 0.0.010 Alexander Skopalik Thomas Kesselheim Lösungen zur Vorlesung Berechenbarkeit und Komplexität. Zulassungsklausur Aufgabe 1: (a) Worin
MehrTheoretische Informatik 2
Theoretische Informatik 2 Johannes Köbler Institut für Informatik Humboldt-Universität zu Berlin WS 2009/10 Zeitkomplexität von Turingmaschinen Die Laufzeit einer NTM M bei Eingabe x ist die maximale Anzahl
MehrDas SAT Problem oder Erfüllbarkeitsproblem. Formale Systeme. Teilklassen. Satz von Cook. SAT Instanz: Eine aussagenlogische Formel F For 0
Das SAT Problem oder Erfüllbarkeitsproblem Formale Systeme Prof. Dr. Bernhard Beckert Fakultät für Informatik Universität Karlsruhe TH SAT Instanz: Eine aussagenlogische Formel F For 0 Frage: Ist F erfüllbar?
MehrLösungen zur Ergänzung 12
Theoretische Informati II SS 018 Carlos Camino Lösungen zur Ergänzung 1 Hinweise: In der Literatur sind zwei verschiedene Definitionen der natürlichen Zahlen gängig: N = {0, 1,,...} und N = {1,, 3,...}.
MehrEinführung in die Theoretische Informatik
Technische Universität München Fakultät für Informatik Prof. Tobias Nipkow, Ph.D. Sascha Böhme, Lars Noschinski Sommersemester 2011 Lösungsblatt 11 1. August 2011 Einführung in die Theoretische Informatik
MehrKomplexität von Algorithmen Musterlösungen zu ausgewählten Übungsaufgaben
Dieses Dokument soll mehr dazu dienen, Beispiele für die formal korrekte mathematische Bearbeitung von Aufgaben zu liefern, als konkrete Hinweise auf typische Klausuraufgaben zu liefern. Die hier gezeigten
MehrDank. Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I. Reduktion. Komplexitätsklassen.
Dank Vorlesung Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I Bernhard Beckert Diese Vorlesungsmaterialien basieren ganz wesentlich auf den Folien zu den Vorlesungen
MehrVorname Name Matrikelnummer 1. a) Benennen Sie die übrigen 6 Komponenten einer nicht-deterministischen Turingmaschine (TM): (3 Punkte)
1 Aufgabe 1 (19 Punkte) a) Benennen Sie die übrigen 6 Komponenten einer nicht-deterministischen Turingmaschine (TM): (3 Punkte) Q, die endliche Zustandsmenge b) Was besagt die Church-Turing-These? (1 Punkt)
MehrÜbungsblatt 1. Lorenz Leutgeb. 30. März 2015
Übungsblatt Lorenz Leutgeb 30. März 205 Aufgabe. Annahmen ohne Einschränkungen: P Σ und P Γ. Per Definitionem der Reduktion: P P 2 f : Σ Γ wobei f total und berechenbar, genau so, dass: w Σ : w P f(w)
MehrÜbungsblatt Nr. 5. Lösungsvorschlag
Institut für Kryptographie und Sicherheit Prof. Dr. Jörn Müller-Quade Dirk Achenbach Tobias Nilges Vorlesung Theoretische Grundlagen der Informatik Übungsblatt Nr. 5 Aufgabe 1: Eine schöne Bescherung (K)
MehrWillkommen zur Vorlesung Komplexitätstheorie
Willkommen zur Vorlesung Komplexitätstheorie WS 2011/2012 Friedhelm Meyer auf der Heide V7, 5.12.2011 1 Themen 1. Turingmaschinen Formalisierung der Begriffe berechenbar, entscheidbar, rekursiv aufzählbar
MehrEinführung in die Theoretische Informatik
Technische Universität München Fakultät für Informatik Prof. Tobias Nipkow, Ph.D. Sascha Böhme, Lars Noschinski Sommersemester 2011 Lösungsblatt Endklausur 26. August 2011 Einführung in die Theoretische
MehrDank. Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I. Teil VI. Komplexitätstheorie.
Dank Vorlesung Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I Bernhard Beckert Diese Vorlesungsmaterialien basieren ganz wesentlich auf den Folien zu den Vorlesungen
MehrPräsenzübung Berechenbarkeit und Komplexität
Lehrstuhl für Informatik 1 WS 2013/14 Prof. Dr. Berthold Vöcking 28.01.2014 Kamal Al-Bawani Benjamin Ries Präsenzübung Berechenbarkeit und Komplexität Musterlösung Name:...................................
MehrBerechenbarkeit und Komplexität: Rekursive Aufzählbarkeit und die Technik der Reduktion
Berechenbarkeit und Komplexität: Rekursive Aufzählbarkeit und die Technik der Reduktion Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität 26. November 2007 Semi-Entscheidbarkeit
MehrGrundlagen der Theoretischen Informatik
Grundlagen der Theoretischen Informatik Komplexitätstheorie (I) 22.07.2015 und 23.07.2015 Viorica Sofronie-Stokkermans e-mail: sofronie@uni-koblenz.de 1 Übersicht 1. Motivation 2. Terminologie 3. Endliche
MehrTHEORETISCHE INFORMATIK UND LOGIK
THEORETISCHE INFORMATIK UND LOGIK 9. Vorlesung: NP und NP-Vollständigkeit Markus Krötzsch Lehrstuhl Wissensbasierte Systeme TU Dresden, 10. Mai 2017 Rückblick PTime und LogSpace als mathematische Modelle
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 4 07.05.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Gestern Normalformen Atome, Literale, Klauseln Konjunktive
MehrHalteproblem/Kodierung von Turing-Maschinen
Halteproblem/Kodierung von Turing-Maschinen Unser Ziel ist es nun zu zeigen, dass das sogenannte Halteproblem unentscheidbar ist. Halteproblem (informell) Eingabe: Turing-Maschine M mit Eingabe w. Frage:
MehrUnentscheidbarkeit. 1. Wann sind Sprachen unentscheidbar? 1, A 0, A } = {
Unentscheidbarkeit 1. Wann sind Sprachen unentscheidbar? Eine Menge A heisst entscheidbar, falls die charakteristische Funktion von A, nämlich A : {0,1}, berechenbar ist, d.h. gilt: A = { 1, A 0, A } Eine
MehrFormale Grundlagen der Informatik 1 Kapitel 23 NP-Vollständigkeit (Teil 2)
Formale Grundlagen der Informatik 1 Kapitel 23 (Teil 2) Frank Heitmann heitmann@informatik.uni-hamburg.de 5. Juli 2016 Frank Heitmann heitmann@informatik.uni-hamburg.de 1/37 Die Klassen P und NP P := {L
MehrFormale Grundlagen der Informatik 1 Kapitel 21 P und NP
Formale Grundlagen der Informatik 1 Kapitel 21 Frank Heitmann heitmann@informatik.uni-hamburg.de 28. Juni Frank Heitmann heitmann@informatik.uni-hamburg.de 1/41 Die Klassen Probleme in P := {L es gibt
MehrMusterlösung Informatik-III-Klausur
Musterlösung Informatik-III-Klausur Aufgabe 1 (1+4+3+4 Punkte) (a) 01010 wird nicht akzeptiert: s q 0 q 1 q 2 f q 2 10101 wird akzeptiert: s q 2 q 2 f q 2 f (b) ε: {s, q 0, q 1, q 2 }, {f} 0: {s, q 0,
Mehr12. Woche: Verifizierer, nicht-deterministische Turingmaschine, Klasse NP
12 Woche: Verifizierer, nicht-deterministische Turingmaschine, Klasse NP 12 Woche: Verifizierer, nicht-deterministische Turingmaschine, NP 254/ 333 Polynomielle Verifizierer und NP Ḋefinition Polynomieller
MehrEinführung in die Theoretische Informatik Tutorium IX
Einführung in die Theoretische Informatik Tutorium IX Michael R. Jung 16. & 17. 12. 2014 EThI - Tutorium IX 1 1 Entscheidbarkeit, Semi-Entscheidbarkeit und Unentscheidbarkeit 2 EThI - Tutorium IX 2 Definitionen
MehrEinige Grundlagen der Komplexitätstheorie
Deterministische Polynomialzeit Einige Grundlagen der Komplexitätstheorie Ziel: NP-Vollständigkeit als ressourcenbeschränktes Analagon zur RE-Vollständigkeit. Komplexitätstheorie untersucht den Ressourcenbedarf
MehrBerechenbarkeit und Komplexität: Rekursive Aufzählbarkeit und die Technik der Reduktion
Berechenbarkeit und Komplexität: Rekursive Aufzählbarkeit und die Technik der Reduktion Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität 7. Dezember 2006 Rekursiv vs. rekursiv
MehrEntscheidungsprobleme
Entscheidungsprobleme übliche Formulierung gegeben: Eingabe x aus einer Grundmenge U Frage: Hat x eine bestimmte Eigenschaft P? Beispiel: gegeben: Frage: n N Ist n eine Primzahl? Formalisierung: Grundmenge
MehrWissenschaftliche Arbeitstechniken und Präsentation. NP-Vollständigkeit
Wissenschaftliche Arbeitstechniken und Präsentation Dominik Fakner, Richard Hentschel, Hamid Tabibian, den 20.01.2012 Inhalt Definitionen Definition Nachweis Beispiel Reduktion Komplexitätsklasse Befasst
MehrEinführung (1/3) Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (1) Vorlesungen zur Komplexitätstheorie.
Einführung (1/3) 3 Wir verfolgen nun das Ziel, Komplexitätsklassen mit Hilfe von charakteristischen Problemen zu beschreiben und zu strukturieren Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit
Mehrabgeschlossen unter,,,, R,
Was bisher geschah Turing-Maschinen können Sprachen L X akzeptieren entscheiden Funktionen berechnen f : X X (partiell) Menge aller Turing-akzeptierbaren Sprachen genau die Menge aller Chomsky-Typ-0-Sprachen
MehrStefan Schmid TU Berlin & T-Labs, Berlin, Germany. Reduktionen in der Berechenbarkeitstheorie
Stefan Schmid TU Berlin & T-Labs, Berlin, Germany Reduktionen in der Berechenbarkeitstheorie Problem: Wie komme ich von hier zum Hamburger Hbf? 2 Beispiel P1 Wie komme ich von hier zum Hamburger Hbf? kann
MehrReduktionen. Formalisierung von Sprache A ist nicht schwerer als Sprache B.
Reduktionen Formalisierung von Sprache A ist nicht schwerer als Sprache B. Idee: Algorithmus/DTM für B kann genutzt werden, um A zu entscheiden/akzeptieren. WS 2018/19 Reduktionen 1 Zwei einfache Sprachen
MehrStatt Turingmaschinen anzugeben, genügt die Angabe eines C++ Programms oder die Angabe eines Pseudocodes.
Turingmaschinen Wir haben Turingmaschinen eingeführt. Bis auf einen polynomiellen Anstieg der Rechenzeit haben Turingmaschinen die Rechenkraft von parallelen Supercomputern! Statt Turingmaschinen anzugeben,
MehrEinführung in die theoretische Informatik Sommersemester 2017 Übungsblatt Lösungsskizze 13
Prof. J. Esparza Technische Universität München S. Sickert, J. Krämer KEINE ABGABE Einführung in die theoretische Informatik Sommersemester 2017 Übungsblatt Lösungsskizze 13 Übungsblatt Wir unterscheiden
MehrTheorie der Informatik Übersicht. Theorie der Informatik SAT Graphenprobleme Routing-Probleme. 21.
Theorie der Informatik 19. Mai 2014 21. einige NP-vollständige Probleme Theorie der Informatik 21. einige NP-vollständige Probleme 21.1 Übersicht 21.2 Malte Helmert Gabriele Röger 21.3 Graphenprobleme
MehrInformatik III. Christian Schindelhauer Wintersemester 2006/ Vorlesung
Informatik III Christian Schindelhauer Wintersemester 2006/07 27. Vorlesung 08.02.2007 1 Komplexitätstheorie - Platzklassen Platzkomplexität Definition Simulation mehrerer Bänder Savitchs Theorem PSPACE
MehrBeispiel: NTM. M = ({q 0,q 1,q 2 }, {0, 1}, {0, 1, #},δ, q 0, #, {q 2 }) q 2
Beispiel: NTM M = ({q 0,q 1,q 2 }, {0, 1}, {0, 1, #},δ, q 0, #, {q 2 }) 0,1,R 0,0,R q0 1,0,R q1 #,#,R q2 0,0,L Zustand 0 1 # q 0 {(1, R, q 0 )} {(0, R, q 1 )} q 1 {(0, R, q 1 ),(0, L, q 0 )} {(1, R, q
MehrEntscheidungsprobleme
Entscheidungsprobleme übliche Formulierung gegeben: Eingabe x aus einer Grundmenge M Frage: Hat x eine bestimmte Eigenschaft P? Beispiel: gegeben: Frage: n N Ist n eine Primzahl? Formalisierung: Grundmenge
MehrGrundlagen der Informatik II
Grundlagen der Informatik II Tutorium 4 Professor Dr. Hartmut Schmeck Ob P = NP, ist ein offenes Problem. d) ist Quatsch, weil pol eine ordnende Relation ist. In der Arithmetik gilt ja auch nicht x y y
MehrLösungen zur 1. Klausur. Einführung in Berechenbarkeit, formale Sprachen und Komplexitätstheorie
Hochschuldozent Dr. Christian Schindelhauer Paderborn, den 21. 2. 2006 Lösungen zur 1. Klausur in Einführung in Berechenbarkeit, formale Sprachen und Komplexitätstheorie Name :................................
MehrTheoretische Informatik: Berechenbarkeit und Formale Sprachen
Prof. Dr. F. Otto 26.09.2011 Fachbereich Elektrotechnik/Informatik Universität Kassel Klausur zur Vorlesung Theoretische Informatik: Berechenbarkeit und Formale Sprachen SS 2011 Name:................................
MehrTheoretische Informatik Mitschrift
Theoretische Informatik Mitschrift 9. Berechenbarkeit, Entscheidbarkeit, Aufzählbarkeit 9.1 Grundbegriffe bereits gezeigt: Spracherkennung durch Turingmaschine = Berechnung der semi-charakteristischen
MehrKünstliche Intelligenz Logische Agenten & Resolution
Künstliche Intelligenz Logische Agenten & Resolution Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Inferenz-Algorithmus Wie könnte ein
MehrTHEORETISCHE INFORMATIK UND LOGIK
THEORETISCHE INFORMATIK UND LOGIK 4. Vorlesung: Das Halteproblem und Reduktionen Markus Krötzsch Lehrstuhl Wissensbasierte Systeme TU Dresden, 19. April 2017 Ankündigung Wegen großer Nachfrage wird eine
MehrWie man eine Sprache versteht
Aufzählbarkeit Formale Grundlagen der Informatik 1 Kapitel 10 Aufzählbarkeit und (Un-)Entscheidbarkeit Frank Heitmann heitmann@informatik.uni-hamburg.de 11. Mai 2015 Definition 1 Eine Menge M Σ heißt (rekursiv)
MehrDank. Theoretische Informatik II. Teil VI. Vorlesung
Dank Vorlesung Theoretische Informatik II Bernhard Beckert Institut für Informatik Diese Vorlesungsmaterialien basieren zum Teil auf den Folien zu den Vorlesungen von Katrin Erk (gehalten an der Universität
MehrTheoretische Informatik SS 03 Übung 11
Theoretische Informatik SS 03 Übung 11 Aufgabe 1 Zeigen Sie, dass es eine einfachere Reduktion (als die in der Vorlesung durchgeführte) von SAT auf 3KNF-SAT gibt, wenn man annimmt, dass die Formel des
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 17.November 2011 INSTITUT FÜR THEORETISCHE 0 KIT 17.11.2011 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der
Mehr1. Klausur Einführung in die Theoretische Informatik Seite 1 von 14
1. Klausur Einführung in die Theoretische Informatik Seite 1 von 14 1. Welche der folgenden Aussagen zu Normalformen einer aussagenlogischen Formel A ist falsch? A. Für Formel A existiert eine KNF K, sodass
MehrNP-vollständige Probleme
NP-vollständige Probleme Dr. Eva Richter 6. Juli 2012 1 / 13 NP-Vollständigkeit Definition Eine Sprache B heißt NP-vollständig, wenn sei zwei Bedingungen erfüllt: (i) B ist in NP (ii) Jedes Problem A in
Mehr14. Die polynomiell beschränkten Komplexitätsklassen. Die Grenzen der tatsächlichen Berechenbarkeit
14. Die polynomiell beschränkten Komplexitätsklassen Die Grenzen der tatsächlichen Berechenbarkeit PRINZIPIELLE VS. TATSÄCHLICHE BERECHENBARKEIT Prinzipielle (theoretische) Berechenbarkeit: Eine Funktion
MehrKapitel 1.4. Exkurs: Entscheidbarkeit und Komplexität. Mathematische Logik (WS 2012/3) K. 1.4: Entscheidbarkeit und Komplexität 1/10
Kapitel 1.4 Exkurs: Entscheidbarkeit und Komplexität Mathematische Logik (WS 2012/3) K. 1.4: Entscheidbarkeit und Komplexität 1/10 Algorithmen Ein Algorithmus oder eine Rechenvorschrift ist ein effektives
MehrVorlesung Berechenbarkeit und Komplexität alias Theoretische Informatik: Komplexitätstheorie und effiziente Algorithmen. Wintersemester 2012/13
Vorlesung Berechenbarkeit und Komplexität alias Theoretische Informatik: und effiziente Algorithmen Wintersemester 2012/13 Prof. Barbara König Übungsleitung: Henning Kerstan & Sebastian Küpper Barbara
MehrTheoretische Informatik und Logik Übungsblatt 1 (2016S) Lösung
Theoretische Informatik und Logik Übungsblatt (26S) en Aufgabe. Sei L = {w#w r w {, } }. Geben Sie eine deterministische Turingmaschine M an, welche die Sprache L akzeptiert. Wählen Sie mindestens einen
MehrTheoretische Informatik 1
Theoretische Informatik 1 Platzkomplexität David Kappel Institut für Grundlagen der Informationsverarbeitung Technische Universität Graz 22.04.2016 Platzkomplexität Platzkomplexitätsklassen Zeit vs. Platzbedarf
MehrDie Unentscheidbarkeit extensionaler Eigenschaften von Turingmaschinen: der Satz von Rice
Die Unentscheidbarkeit extensionaler Eigenschaften von Turingmaschinen: der Satz von Rice Holger Arnold Dieser Text befasst sich mit der Frage, unter welchen Bedingungen das Problem, zu bestimmen, ob die
MehrTheoretische Informatik für Wirtschaftsinformatik und Lehramt
Theoretische Informatik für Wirtschaftsinformatik und Lehramt Entscheidungsprobleme Priv.-Doz. Dr. Stefan Milius stefan.milius@fau.de Theoretische Informatik Friedrich-Alexander Universität Erlangen-Nürnberg
MehrGrundlagen der Theoretischen Informatik
Grundlagen der Theoretischen Informatik Turingmaschinen und rekursiv aufzählbare Sprachen (V) 16.07.2015 Viorica Sofronie-Stokkermans e-mail: sofronie@uni-koblenz.de 1 Übersicht 1. Motivation 2. Terminologie
MehrRucksackproblem und Verifizierbarkeit
Rucksackproblem und Verifizierbarkeit Gegeben: n Gegenstände mit Gewichten G={g 1,g 2,,g n } und Werten W={w 1,w 2,,w n } sowie zulässiges Gesamtgewicht g. Gesucht: Teilmenge S {1,,n} mit i i S unter der
MehrInformatik III. Arne Vater Wintersemester 2006/ Vorlesung
Informatik III Arne Vater Wintersemester 2006/07 11. Vorlesung 30.11.2006 1 Beziehungen zwischen den Sprachen Jede reguläre Sprache ist eine kontextfreie Sprache. Jede kontextfreie Sprache ist eine entscheidbare
MehrGrundlagen der Theoretischen Informatik Musterlösungen zu ausgewählten Übungsaufgaben
Dieses Dokument soll mehr dazu dienen, Beispiele für die formal korrekt mathematische Bearbeitung von Aufgaben zu liefern, als konkrete Hinweise auf typische Klausuraufgaben zu liefern. Die hier gezeigten
MehrÜbungsblatt 4. Vorlesung Theoretische Grundlagen der Informatik im WS 17/18
Institut für Theoretische Informatik Lehrstuhl Prof. Dr. D. Wagner Übungsblatt 4 Vorlesung Theoretische Grundlagen der Informatik im WS 17/18 Ausgabe 6. Dezember 2017 Abgabe 19. Dezember 2017, 11:00 Uhr
MehrGrundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I
Vorlesung Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I Bernhard Beckert Institut für Informatik Sommersemester 2007 B. Beckert Grundlagen d. Theoretischen Informatik:
MehrDie Klassen P und NP. Formale Grundlagen der Informatik 1 Kapitel 11. Die Klassen P und NP. Die Klasse P
Die Klassen Formale Grundlagen der Informatik 1 Kapitel 11 Frank Heitmann heitmann@informatik.uni-hamburg.de P := {L es gibt ein Polynom p und eine p(n)-zeitbeschränkte DTM A mit L(A) = L} = i 1 DTIME(n
MehrCarlos Camino Einführung in die Theoretische Informatik SS 2015
Themenüberblick Dies ist eine Art Checkliste für die Klausurvorbereitung. Zu jedem Thema im Skript sind hier ein paar Leitfragen aufgelistet. Besonders nützlich sind die Tabellen und Abbildungen auf den
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Map Labeling INSTITUT FÜR THEORETISCHE INFORMATIK 0 KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu
MehrÜbungsblatt 3. Vorlesung Theoretische Grundlagen der Informatik im WS 17/18
Institut für Theoretische Informatik Lehrstuhl Prof. Dr. D. Wagner Übungsblatt 3 Vorlesung Theoretische Grundlagen der Informatik im WS 17/18 Ausgabe 21. November 2017 Abgabe 5. Dezember 2017, 11:00 Uhr
MehrUnentscheidbarkeit. Vorlesung Berechenbarkeit und Komplexität alias Theoretische Informatik: Komplexitätstheorie und effiziente Algorithmen
Vorlesung Berechenbarkeit und Komplexität alias Theoretische Informatik: und effiziente Algorithmen Wintersemester 2011/12 Prof. Barbara König Übungsleitung: Henning Kerstan & Jan Stückrath Worum geht
MehrKapitel 4: Komplexitätstheorie Gliederung
Gliederung 0. Motivation und Einordnung 1. Endliche Automaten 2. Formale Sprachen 3. Berechnungstheorie 4. Komplexitätstheorie 4.1. Motivation und Grundbegriffe 4.2. Die Komplexitätsklassen P und NP 4.3.
MehrRekursive Aufzählbarkeit Die Reduktion
Rekursive Aufzählbarkeit Die Reduktion Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen November 2011 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit
MehrGrundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I
Vorlesung Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I Bernhard Beckert Institut für Informatik Sommersemester 2007 B. Beckert Grundlagen d. Theoretischen Informatik:
MehrGrundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I
Vorlesung Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I Bernhard Beckert Institut für Informatik Sommersemester 2007 B. Beckert Grundlagen d. Theoretischen Informatik:
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Übung am 22.12.2011 INSTITUT FÜR THEORETISCHE 0 KIT 09.01.2012 Universität des Andrea Landes Schumm Baden-Württemberg - Theoretische und Grundlagen der Informatik
MehrMaike Buchin 18. Februar 2016 Stef Sijben. Probeklausur. Theoretische Informatik. Bearbeitungszeit: 3 Stunden
Maike Buchin 8. Februar 26 Stef Sijben Probeklausur Theoretische Informatik Bearbeitungszeit: 3 Stunden Name: Matrikelnummer: Studiengang: Geburtsdatum: Hinweise: Schreibe die Lösung jeder Aufgabe direkt
MehrÜbung Theoretische Grundlagen
Übung Theoretische Grundlagen Komplexitätstheorie Nico Döttling 8. Januar 2010 INSTITUT FÜR KRYPTOGRAPHIE UND SICHERHEIT KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in
MehrTheoretische Informatik
Theoretische Informatik Lektion 10: Entscheidbarkeit Kurt-Ulrich Witt Wintersemester 2013/14 Kurt-Ulrich Witt Theoretische Informatik Lektion 10 1/15 Inhaltsverzeichnis Kurt-Ulrich Witt Theoretische Informatik
MehrKlausur zur Vorlesung Mathematische Logik
Universität Heidelberg 13. Februar 2014 Institut für Informatik Prof. Dr. Klaus Ambos-Spies Dipl.-Math. Thorsten Kräling Klausur zur Vorlesung Mathematische Logik Musterlösung Aufgabe 1 (Aussagenlogik
MehrDank. Theoretische Informatik II. Komplexitätstheorie. Teil VI. Komplexitätstheorie. Vorlesung
Dank Vorlesung Theoretische Informatik II Bernhard Beckert Institut für Informatik Diese Vorlesungsmaterialien basieren zum Teil auf den Folien zu den Vorlesungen von Katrin Erk (gehalten an der Universität
MehrKlausur SoSe Juli2018
Universität Osnabrück/ FB6 / Theoretische Informatik Prof. Dr. M. Chimani Informatik D: Einführung in die Theoretische Informatik Klausur SoSe 2018 9. Juli2018 Haupttermin, Prüfungsnr. 1007049 Gruppe:
MehrWillkommen zur Vorlesung Komplexitätstheorie
Willkommen zur Vorlesung Komplexitätstheorie WS 2011/2012 Friedhelm Meyer auf der Heide V8, 12.12.2011 1 Themen 1. Turingmaschinen Formalisierung der Begriffe berechenbar, entscheidbar, rekursiv aufzählbar
MehrBemerkungen: Ist der Wert von S(n) (und damit auch τ) unbekannt, so führt man das Verfahren nacheinander mit den Werten
Bemerkungen: Ist der Wert von S(n) (und damit auch τ) unbekannt, so führt man das Verfahren nacheinander mit den Werten log n, 2 log n,... als Platzschranke aus. Dabei überprüft man für jeden dieser Werte,
MehrGrundlagen Theoretischer Informatik 2 WiSe 2011/12 in Trier. Henning Fernau Universität Trier
Grundlagen Theoretischer Informatik 2 WiSe 2011/12 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Grundlagen Theoretischer Informatik 2 Gesamtübersicht Organisatorisches; Einführung Ersetzungsverfahren:
MehrFalls H die Eingabe verwirft, so wissen wir, dass M bei Eingabe w nicht hält. M hält im verwerfenden Haltezustand. Beweis:
1 Unentscheidbarkeit 2 Grundlagen der Theoretischen Informatik Till Mossakowski Fakultät für Informatik Otto-von-Guericke Universität Magdeburg Wintersemester 2014/15 #include char *s="include
MehrWir haben eine Beziehung zwischen entscheidbar und rekursiv aufzählbar hergeleitet.
Rückschau 12.11.04 Wir haben eine Beziehung zwischen entscheidbar und rekursiv aufzählbar hergeleitet. Wir haben das Prinzip der Diagonalisierung eingeführt und mit DIAG eine erste nicht rek. aufz. Sprache
MehrBerechenbarkeitstheorie 14. Vorlesung
1 Berechenbarkeitstheorie Dr. Institut für Mathematische Logik und Grundlagenforschung WWU Münster WS 15/16 Alle Folien unter Creative Commons Attribution-NonCommercial 3.0 Unported Lizenz. Erinnerung
MehrFormale Systeme. Das Erfu llbarkeitsproblem. Prof. Dr. Bernhard Beckert, WS 2017/2018
Formale Systeme Prof. Dr. Bernhard Beckert, WS 2017/2018 Das Erfu llbarkeitsproblem KIT I NSTITUT F U R T HEORETISCHE I NFORMATIK www.kit.edu KIT Die Forschungsuniversita t in der Helmholtz-Gemeinschaft
MehrDer Satz von Rice. Dann ist C(S) eine unentscheidbare Menge.
Der Satz von Rice Satz: Sei R die Klasse der (Turing-) berechenbaren Funktionen, S eine nichttriviale Teilmenge von R und C(S) ={w Mw berechnet eine Funktion aus S}. Dann ist C(S) eine unentscheidbare
MehrProbeklausur zur Vorlesung Berechenbarkeit und Komplexität
RWTH Aachen Lehrgebiet Theoretische Informatik Reidl Ries Rossmanith Sanchez Tönnis WS 2012/13 Probeklausur 25.01.2013 Probeklausur zur Vorlesung Berechenbarkeit und Komplexität Aufgabe 1 (1+2+6+3 Punkte)
MehrTheoretische Informatik 1
Theoretische Inforatik 1 Teil 6 Bernhard Nessler Institut für Grundlagen der Inforationsverabeitung TU Graz SS 2008 Übersicht 1 Reduktionen 2 Definition P- NP- 3 Sprachbeziehungen Klassenbeziehungen Turingreduktion
MehrSatz von Hennie und Stearns
Satz von Hennie und Stearns Auch für Zeitklassen wäre es für viele Anwendungen praktisch, eine Form der Bandreduktion verwenden zu können. Ein naiver Zugang (mit Spuren) liefert die Beziehung DTIME(f )
MehrUnentscheidbarkeitssätze der Logik
Unentscheidbarkeitssätze der Logik Elmar Eder () Unentscheidbarkeitssätze der Logik 1 / 30 Die Zahlentheorie ist nicht formalisierbar Satz (Kurt Gödel) Zu jedem korrekten formalen System der Zahlentheorie
Mehr